Ocena:
Książka jest wysoko ceniona za kompleksowe omówienie tematów związanych z przetwarzaniem obrazu i praktyczne przykłady kodowania przy użyciu bibliotek Pythona. Należy jednak zauważyć, że książka nie jest odpowiednia dla początkujących ze względu na złożoność dostarczonych wyjaśnień.
Zalety:⬤ Kompleksowe omówienie najważniejszych tematów związanych z przetwarzaniem obrazu
⬤ zawiera praktyczne przykłady kodowania w Pythonie przy użyciu bibliotek takich jak Numpy, Scipy, Pytorch i Keras
⬤ wysoce zalecane dla początkujących ekspertów w dziedzinie przetwarzania obrazu.
Nie nadaje się dla początkujących; niektóre objaśnienia kodu są niejasne i pożądane jest bardziej szczegółowe omówienie podstawowych pojęć.
(na podstawie 2 opinii czytelników)
Image Processing Masterclass with Python: 50+ Solutions and Techniques Solving Complex Digital Image Processing Challenges Using Numpy, Scipy, Pytorch
Ponad 50 problemów rozwiązanych za pomocą klasycznych algorytmów + modele ML / DL
Kluczowe cechy
⬤ Podejście problemowe do praktycznego przetwarzania obrazów.
⬤ Praktyczne wykorzystanie popularnych bibliotek Pythona: Numpy, Scipy, scikit-image, PIL i SimpleITK.
⬤ Kompleksowa demonstracja popularnych wyzwań związanych z przetwarzaniem obrazu twarzy przy użyciu interfejsów API MTCNN i Microsoft Cognitive Vision.
Opis
Ta książka zaczyna się od podstawowych problemów związanych z przetwarzaniem i manipulacją obrazami i pokazuje, jak je rozwiązać za pomocą popularnych bibliotek i modułów Pythona. Następnie koncentruje się na problemach opartych na geometrycznych przekształceniach obrazów i problemach rozwiązywanych za pomocą haszowania obrazów.
Następnie książka koncentruje się na rozwiązywaniu problemów opartych na próbkowaniu, konwekcji, dyskretnej transformacie Fouriera, filtrowaniu w dziedzinie częstotliwości i przywracaniu obrazu za pomocą dekonwolucji. Ma również na celu rozwiązywanie problemów związanych z ulepszaniem obrazu przy użyciu różnych algorytmów, takich jak filtry przestrzenne i tworzenie obrazu w super rozdzielczości przy użyciu SRGAN.
Wreszcie, bada popularne problemy związane z przetwarzaniem obrazu twarzy i rozwiązuje je za pomocą uczenia maszynowego i modeli głębokiego uczenia się przy użyciu popularnych bibliotek Python ML / DL.
Czego się nauczysz
⬤ Rozwijać silną przyczepność na podstawach przetwarzania obrazu i manipulacji obrazem.
⬤ Rozwiązywanie popularnych problemów związanych z przetwarzaniem obrazów przy użyciu modeli uczenia maszynowego i głębokiego uczenia.
⬤ Robocza znajomość bibliotek Pythona, w tym numpy, scipy i scikit-image.
⬤ Wykorzystanie popularnych pakietów uczenia maszynowego Python, takich jak scikit-learn, Keras i pytorch.
⬤ Implementacja na żywo technik przetwarzania obrazu twarzy, takich jak wykrywanie / rozpoznawanie / parsowanie dlib i MTCNN.
Dla kogo jest ta książka
Ta książka została zaprojektowana specjalnie dla użytkowników wizji komputerowej, inżynierów uczenia maszynowego, ekspertów przetwarzania obrazu, którzy szukają rozwiązania nowoczesnych wyzwań związanych z przetwarzaniem obrazu / wizją komputerową.
Spis treści
1. Rozdział 1: Podstawowe przetwarzanie obrazów i wideo.
2. Rozdział 2: Więcej transformacji i manipulacji obrazem.
3. Rozdział 3: Próbkowanie, splot i dyskretna transformata Fouriera.
4. Rozdział 4: Dyskretna transformata kosinusowa / falkowa i dekonwolucja.
5. Rozdział 5: Wzmacnianie obrazu.
6. Rozdział 6: Dalsze ulepszanie obrazu.
7. Rozdział 7: Przetwarzanie obrazu twarzy.
O autorze
Sandipan Dey jest analitykiem danych o szerokim zakresie zainteresowań, obejmującym takie tematy jak uczenie maszynowe, głębokie uczenie, przetwarzanie obrazu i wizja komputerowa. Pracował w wielu dziedzinach nauki o danych, takich jak systemy rekomendacji, modele predykcyjne dla branży wydarzeń, modele lokalizacji czujników, analiza nastrojów i prognostyka urządzeń. Uzyskał tytuł magistra informatyki na University of Maryland w Baltimore County i publikował na kilku konferencjach i w czasopismach IEEE poświęconych eksploracji danych. Jest także autorem kilku książek na temat przetwarzania obrazów, opublikowanych przez międzynarodowe wydawnictwo. Zdobył certyfikaty z ponad 100 MOOC na temat nauki o danych i powiązanych kursów. Jest regularnym blogerem (na sandipanweb @wordpress, medium i data science central) i entuzjastą edukacji w zakresie uczenia maszynowego.
Profil LinkedIn: https: //www.linkedin.com/in/sandipan-dey-0370276.
